夜雨聆风很多医院采购病理AI后，会发现一个尴尬现象：系统装上了，使用率却不高。原因往往并非算法不行，而是AI还停留在「科研工具」的位置——偶尔在疑难病例上试试，没有真正嵌进医生每天的阅片节奏。目前，方信的用户越来越呈现一种转变：病理AI正从「偶尔用用」走向「每日生产力」，成为诊断医生完成病理报告的助手，今天就让我们一起来看看病理AI要如何真正融入阅片日常。
为什么「装上却不用」是常态
病理科的工作节奏是密集的。一位病理医生每天要面对大量切片，从取材、制片到阅片、发报告，时间被切得很碎。如果AI产品要求医生「专门打开一个系统、上传切片、查看结果、再切回报告系统」，那它注定只会被偶尔使用——额外步骤意味着额外时间，而病理科最缺的就是时间。
同时，不少医院采购AI的初衷是应对疑难病例，可疑难病例在日常工作里只占一小部分。如果AI只在疑难时才被想起，它的使用率天然就高不了——真正决定投入产出比的，恰恰是它在常规阅片里能不能帮上忙。一个只在会诊室露面的产品，永远算不进科室的日常产能。
方信在调研中曾听到一句很直白的话：「工具好不好，不看宣传，看用户会不会每天主动打开它」。很多AI产品卡在「科研工具」阶段，往往就是卡在这道门槛上：它在学术会议上表现亮眼，却没解决医生「每天怎么用」的问题。
要让AI从「试一试」变成「每天都用」，关键不是把准确率再提一两个点，而是把它无缝嵌进医生既有的工作流。一个要医生迁就它的工具，基本只能被偶尔想起；一个适配医生节奏的工具，才会被每天打开。
「AI定位病灶→医生最终确认」的日常工作流
一个真正贴合日常的AI工作流，大致是这样：AI先行扫描，把疑似病变区域标注出来，并给出初步提示等待医生调用；医生在待阅切片清单打开具体病例数字切片，他/她不必逐视野盲扫，而是先看AI提醒的区域，结合自己的专业判断，做出确认或修正，最后签发病理报告。
这个流程的关键，在于它没有改变医生是「最终决策者」这一根本定位。AI做的是「把注意力导向最该看的地方」，医生做的仍是「判断与负责」。尤其对组织学切片这种视野多、信息密度大的场景，「AI先扫、医生复核」的协作，能显著缩短单例阅片时间，同时让疑难区域更不容易被漏掉。
方信曾观察到一个反直觉的现象：医生对AI的依赖，恰恰建立在「AI不越位」之上。当AI明确把自己定位为「提示者」而非「裁判」，医生反而更愿意每天用它——因为决策权始终在自己手里，AI只是把「找病灶」和「写报告」的活儿揽了过去。对医生来讲，一份报告的完成，从「我扫完所有视野」变成了「我确认AI圈出的重点」，实现的是日积月累的效率提升。对一位阅片量大的医生来说，这种效率提升，往往就是能不能准时把报告发完、能不能腾出时间多琢磨疑难的区别。
从「用得起来」到「用得下去」
让AI在一天里被用起来，和让它在一整年里都被用下去，是两件事。后者更考验产品的「可持续性」。模型会不会随本院病例积累而越用越准？新出现的病种能不能被持续纳入？系统会不会因为一次升级就拖慢节奏？这些都是医生每天用下来才会浮现的真问题。
方信在病理AI产品里，把「日常可用性」作为硬指标来盯：响应要在医生可接受的等待时间之内，标注要稳定可复现，更新要避开阅片高峰、做到无感迭代。更重要的是，把医生的使用反馈闭环回模型——医生确认或修正过的结果，成为模型持续学习的养料，让AI在使用中真正贴合本院。
可复现性是另一条隐形底线。同一切片今天和明天扫，AI给出的提示应当稳定一致；否则医生就很难建立长期信任。方信把提示的稳定性作为日常可用性的硬指标来看待——因为一次反复横跳的提示，对医生信任的消耗会盖过十次准确判断。
这种「使用→反馈→进化→更好用」的闭环，是把AI从「科研工具」推向「日常生产力」的真正引擎。跑通之后，AI的价值就不再只体现在某个疑难病例，而是体现在医生每天节省的时间里。坚持把每一次医生复核都视作一次「隐性的标注」——它不增加医生额外负担，却让模型在不知不觉间越用越契合这家医院。
从科研工具到日常生产力，病理AI的成熟不体现在某次惊艳的演示，而体现在医生愿不愿意每天打开它。方信坚持把产品做成医生日常工作里最自然的一环，当AI真正嵌进每天的工作流，它的价值才算落了地。
老猫整理
2026年7月
于广州华新园
